---
base_model: klue/roberta-base
library_name: setfit
metrics:
- accuracy
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 케라스타즈 엘릭서 얼팀 헤어오일 엠페리얼 티 100ml × 1개 (#M)쿠팡 홈>뷰티>헤어>헤어에센스/오일>헤어오일 Coupang >
뷰티 > 헤어 > 헤어에센스/오일 > 헤어오일
- text: 쿤달 네이처 샴푸 싱글파우치 베이비파우더향 10ml × 100개입 Coupang > 뷰티 > 헤어 > 샴푸 > 일반샴푸;(#M)쿠팡
홈>생활용품>헤어/바디/세안>샴푸/린스>샴푸>일반샴푸 Coupang > 뷰티 > 헤어 > 샴푸 > 일반샴푸
- text: 려 자양 탈모전문케어 트리트먼트 경주달밤/여수하늘 200ml 옵션 229318 02 여수하늘 200ml (#M)11st>남성화장품>남성에센스>남성에센스
11st > 뷰티 > 남성화장품 > 남성에센스
- text: '[미쟝센] 퍼펙트세럼 모음 80ml 2입 04 로즈퍼퓸 세럼 2개 LotteOn > 뷰티 > 헤어케어 > 헤어에센스 LotteOn
> 뷰티 > 헤어/바디 > 헤어케어 > 헤어에센스/오일'
- text: 미쟝센 퍼펙트세럼 헤어에센스 오리지날 스타일링 슈퍼리치 미쟝센 NEW퍼펙트세럼80ml 코코워터 LotteOn > 뷰티 > 헤어/바디
> 헤어케어 > 헤어에센스/오일 LotteOn > 뷰티 > 헤어/바디 > 헤어케어 > 헤어에센스/오일
inference: true
model-index:
- name: SetFit with klue/roberta-base
results:
- task:
type: text-classification
name: Text Classification
dataset:
name: Unknown
type: unknown
split: test
metrics:
- type: accuracy
value: 0.7773372337596403
name: Accuracy
---
# SetFit with klue/roberta-base
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [klue/roberta-base](https://huggingface.co/klue/roberta-base) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance is used for classification.
The model has been trained using an efficient few-shot learning technique that involves:
1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
2. Training a classification head with features from the fine-tuned Sentence Transformer.
## Model Details
### Model Description
- **Model Type:** SetFit
- **Sentence Transformer body:** [klue/roberta-base](https://huggingface.co/klue/roberta-base)
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
- **Maximum Sequence Length:** 512 tokens
- **Number of Classes:** 10 classes
### Model Sources
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
### Model Labels
| Label | Examples |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 9 | - '려 탈모전문케어 퍼퓸트리트먼트 서울석양200ml ssg > 뷰티 > 헤어/바디 > 헤어케어 > 헤어트리트먼트;ssg > 생활/주방 > 건강/위생용품 > 칫솔/치약/구강청결 > 치약;ssg > 뷰티 > 헤어/바디 > 헤어케어 > 샴푸 ssg > 뷰티 > 헤어/바디 > 헤어케어 > 샴푸'
- '●미쟝센 데미지케어 대용량 트리트먼트 1000ml x 2 위메프 > 생활·주방·반려동물 > 바디/헤어 > 샴푸/린스/헤어케어;위메프 > 생활·주방·반려동물 > 바디/헤어 > 바디케어/워시/제모 > 바디워시/스크럽;위메프 > 생활·주방·반려동물 > 바디/헤어 > 샴푸/린스/헤어케어 > 트리트먼트;위메프 > 생활·주방·반려동물 > 바디/헤어 > 바디케어/워시/제모;위메프 > 생활·주방·반려동물 > 바디/헤어 > 샴푸/린스/헤어케어 > 샴푸/린스;(#M)위메프 > 생활·주방용품 > 바디/헤어 > 샴푸/린스/헤어케어 > 트리트먼트 위메프 > 뷰티 > 바디/헤어 > 샴푸/린스/헤어케어 > 트리트먼트'
- '[초특가] 미쟝센/해피바스 BEST 상품 균일가전 1-2 미쟝센 트리트먼트_데미지케어 트리트먼트 180ml 4입 (#M)GSSHOP>뷰티>헤어케어>트리트먼트 GSSHOP > 뷰티 > 스킨케어 > 크림'
|
| 2 | - '아베다 인바티 어드밴스드 씨크닝 컨디셔너 200ml LotteOn > 뷰티 > 헤어/바디 > 헤어케어 > 린스 LotteOn > 뷰티 > 헤어/바디 > 헤어케어 > 린스'
- '케라시스 퍼퓸 샴푸 린스 980ml x3개 [0008]퓨어 린스 x3개 (#M)헤어케어>샴푸>일반샴푸 AD > 11st > 뷰티 > 헤어케어 > 샴푸 > 일반샴푸'
- '오가니스트 아르간 리페어 손상 영양케어 컨디셔너 500ml X 2개 위메프 > 생활·주방·반려동물 > 세제/구강 > 세탁세제/섬유유연제 > 세탁세제;위메프 > 뷰티 > 바디/헤어 > 샴푸/린스/헤어케어 > 샴푸/린스;위메프 > 생활·주방·반려동물 > 바디/헤어 > 샴푸/린스/헤어케어;위메프 > 생활·주방·반려동물 > 바디/헤어 > 샴푸/린스/헤어케어 > 샴푸/린스;(#M)위메프 > 생활·주방용품 > 바디/헤어 > 샴푸/린스/헤어케어 > 샴푸/린스 위메프 > 뷰티 > 바디/헤어 > 샴푸/린스/헤어케어 > 기능성 샴푸/린스'
|
| 0 | - '헤어플러스 오프레시 각질제거 두피 스케일링 50ml (#M)화장품/미용>헤어케어>두피케어 Naverstore > 화장품/미용 > 헤어케어 > 두피케어'
- '닥터포헤어 씨 솔트 스케일러 두피스케일링 200g 옵션1 : 300g (리뉴얼) (#M)홈>화장품/미용>헤어케어>두피케어 Naverstore > 화장품/미용 > 헤어케어 > 두피케어'
- '[바이브랩] 4주 솔루션 두피 앰플 헤어라인 탈모증상완화 15ml x2 [67%할인] 두피앰플 3SET (#M)화장품/미용>헤어케어>두피케어 Naverstore > 헤어케어 > 탈모케어/두피케어'
|
| 4 | - '샤넬 헤어미스트 샹스 오 땅드르 헤어 미스트 35ml 본품 (#M)홈>화장품/미용>헤어케어>헤어미스트 Naverstore > 화장품/미용 > 헤어케어 > 헤어미스트'
- '모레모 프로틴 미스트 팩 M 115ml + 미라클 2X 헤어 트리트먼트 러브 에디션 60ml 세트 홈 > 뷰티 > 헤어/바디 > 헤어케어 > 트리트먼트/헤어팩 LotteOn > 뷰티 > 헤어/바디 > 헤어케어 > 트리트먼트/헤어팩'
- '[기획] 아쿠아 디 파르마 피오니아 헤어미스트 50ml (르 노빌리 향수 1.5ml 1종 증정) 홈>현대백화점>화장품>향수>기타;홈>현대백화점>화장품>향수>여성용;(#M)홈>향수>여성향수 HMALL > 뷰티 > 향수 > 여성향수'
|
| 8 | - '댕기머리 윤초 스페셜 선물세트 (#M)쿠팡 홈>생활용품>헤어/바디/세안>샴푸/린스>샴푸>한방샴푸 Coupang > 뷰티 > 헤어 > 샴푸 > 한방샴푸'
- '톤28 샴푸바 S19바오밥 100g+노워시트리트먼트바 탄력80g 2종세트[천연비오틴샴푸] S21(두피장벽/얇은모) 검은콩_탄력 (#M)화장품/미용>헤어케어>헤어케어세트 Naverstore > 화장품/미용 > 헤어케어 > 헤어케어세트'
- '[오리지널픽_키렌][선.착.순.사.은.품/1 + 1 골라담기]키렌 천연샴푸/헤어트리트먼트/바디워시/바디로션/핸드워시 500ml 01_스위트부케 샴푸_02_베이비로즈 트리트먼트 (#M)헤어케어>샴푸>일반샴푸 AD > traverse > 11st > 뷰티 > 헤어케어 > 샴푸 > 일반샴푸'
|
| 6 | - '뺑쏘 트라쐬르 LotteOn > 뷰티 > 뷰티기기 > 액세서리/소모품 LotteOn > 뷰티 > 뷰티기기/소품 > 기기액세서리'
- '쿤달 울트라 헤어세럼 베이비파우더향 100ml × 5개 (#M)쿠팡 홈>싱글라이프>샤워/세안>헤어에센스 Coupang > 뷰티 > 헤어 > 헤어에센스/오일'
- '무코타 샤멘느 샤이닝 딥케어 세럼 50ml (손상모발용 세럼) ssg > 뷰티 > 헤어/바디 > 헤어케어 > 헤어팩/마스크 ssg > 뷰티 > 헤어/바디 > 헤어케어 > 헤어팩/마스크'
|
| 3 | - '닥터모발앤 맥주효모 탈모 완화 샴푸 프리미엄 독일 488000ppm 두피가려움 비듬 지성 건성 민감성 488 [12주 71% 할인] 건성+민감성두피 전용 (#M)화장품/미용>헤어케어>탈모케어 AD > Naverstore > 화장품/미용 > 헤어케어 > 탈모케어'
- '부케가르니 딥 퍼퓸 샴푸/트리트먼트 1L 딥 퍼퓸 샴푸 1L 베이비파우더 (#M)11st>헤어케어>샴푸>일반 11st > 뷰티 > 헤어케어 > 샴푸'
- '폴메디슨 딥레드 패스트 탈모 샴푸, 1077ml(Fast Shampoo) 딥레드패스트샴푸 베이비파우더 1개 (#M)11st>헤어케어>탈모/두피관리제>두피마사지기 11st > 뷰티 > 헤어케어 > 탈모/두피관리제 > 두피마사지기'
|
| 5 | - '[아도르] 퍼펙트 헤어필업(단백질 헤어앰플)13ml-10개입1box (#M)GSSHOP>뷰티>헤어케어>헤어에센스 GSSHOP > 뷰티 > 헤어케어 > 헤어에센스'
- '[온세일]모로칸오일 정품 세라믹 브러쉬/드라이빗/대왕롤빗 라운드 35mm LotteOn > 뷰티 > 뷰티소품 > 헤어소품 LotteOn > 뷰티 > 뷰티기기/소품 > 헤어소품 > 빗/헤어브러쉬'
- '헤어플러스 단백질 본드 앰플 145ml 150ml(여행용15ml x 10개) (#M)홈>화장품/미용>헤어케어>헤어에센스 Naverstore > 화장품/미용 > 헤어케어 > 헤어에센스'
|
| 7 | - '로더베르 약산성 샴푸1000g 대용량 천연 단백질 청소년 헤어 비듬 두피 지성 베이비파우더 로더베르 아르간 헤어오일100ml_화이트머스크 (#M)화장품/미용>헤어케어>샴푸 Naverstore > 화장품/미용 > 헤어케어 > 샴푸'
- '【해외직구】 모로칸오일 트리트먼트 오리지널 100ml+100ml / MOROCCANOIL 모로칸오일 / 펌핑기 포함 모로칸오일 트리트먼트 오리지널 100ml 1+1 ssg > 디지털 > 휴대폰/스마트기기 > [해외직구]스마트기기;ssg > 디지털 > 생활/소형가전 > 해외직구 ssg > 뷰티 > 헤어/바디 > 헤어케어 > 헤어트리트먼트'
- '모도루 디럭스슈퍼프로틴 단백질 미용실 손상모트리트먼트 540ml+헤어에센스오일 100ml [2종세트] (#M)홈>★얼리썸머 초특가전★ Naverstore > 화장품/미용 > 헤어케어 > 헤어케어세트'
|
| 1 | - '모레모 리커버리 밤 B (120ml) 리커버리 밤 B 루비 에디션 (120ml) 홈>화장품/미용>헤어케어>트리트먼트;(#M)홈>모레모>트리트먼트 Naverstore > 화장품/미용 > 헤어케어 > 트리트먼트'
- '힐링버드 울트라 프로틴 노워시 앰플 트리트먼트 200ml 200ml+헤어오일 31ml (#M)홈>화장품/미용>헤어케어>트리트먼트 Naverstore > 화장품/미용 > 헤어케어 > 트리트먼트'
- '아모스 리페어샤인 모이스트 헤어에센스1+1 LotteOn > 뷰티 > 헤어/바디 > 헤어케어 > 헤어에센스/오일 LotteOn > 뷰티 > 헤어/바디 > 헤어케어 > 헤어에센스/오일'
|
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 0.7773 |
## Uses
### Direct Use for Inference
First install the SetFit library:
```bash
pip install setfit
```
Then you can load this model and run inference.
```python
from setfit import SetFitModel
# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_item_top_bt13")
# Run inference
preds = model("케라스타즈 엘릭서 얼팀 헤어오일 엠페리얼 티 100ml × 1개 (#M)쿠팡 홈>뷰티>헤어>헤어에센스/오일>헤어오일 Coupang > 뷰티 > 헤어 > 헤어에센스/오일 > 헤어오일")
```
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:-------|:----|
| Word count | 13 | 24.996 | 125 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0 | 50 |
| 1 | 50 |
| 2 | 50 |
| 3 | 50 |
| 4 | 50 |
| 5 | 50 |
| 6 | 50 |
| 7 | 50 |
| 8 | 50 |
| 9 | 50 |
### Training Hyperparameters
- batch_size: (64, 64)
- num_epochs: (30, 30)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 100
- body_learning_rate: (2e-05, 1e-05)
- head_learning_rate: 0.01
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- l2_weight: 0.01
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:-------:|:-----:|:-------------:|:---------------:|
| 0.0013 | 1 | 0.4713 | - |
| 0.0639 | 50 | 0.4253 | - |
| 0.1279 | 100 | 0.3864 | - |
| 0.1918 | 150 | 0.358 | - |
| 0.2558 | 200 | 0.3284 | - |
| 0.3197 | 250 | 0.3139 | - |
| 0.3836 | 300 | 0.2877 | - |
| 0.4476 | 350 | 0.2604 | - |
| 0.5115 | 400 | 0.2218 | - |
| 0.5754 | 450 | 0.1841 | - |
| 0.6394 | 500 | 0.1548 | - |
| 0.7033 | 550 | 0.1272 | - |
| 0.7673 | 600 | 0.1068 | - |
| 0.8312 | 650 | 0.0866 | - |
| 0.8951 | 700 | 0.0656 | - |
| 0.9591 | 750 | 0.0477 | - |
| 1.0230 | 800 | 0.0377 | - |
| 1.0870 | 850 | 0.0249 | - |
| 1.1509 | 900 | 0.0144 | - |
| 1.2148 | 950 | 0.0131 | - |
| 1.2788 | 1000 | 0.0153 | - |
| 1.3427 | 1050 | 0.012 | - |
| 1.4066 | 1100 | 0.0104 | - |
| 1.4706 | 1150 | 0.0102 | - |
| 1.5345 | 1200 | 0.0079 | - |
| 1.5985 | 1250 | 0.0039 | - |
| 1.6624 | 1300 | 0.0026 | - |
| 1.7263 | 1350 | 0.0015 | - |
| 1.7903 | 1400 | 0.001 | - |
| 1.8542 | 1450 | 0.0013 | - |
| 1.9182 | 1500 | 0.0013 | - |
| 1.9821 | 1550 | 0.001 | - |
| 2.0460 | 1600 | 0.0009 | - |
| 2.1100 | 1650 | 0.0012 | - |
| 2.1739 | 1700 | 0.0007 | - |
| 2.2379 | 1750 | 0.0009 | - |
| 2.3018 | 1800 | 0.0009 | - |
| 2.3657 | 1850 | 0.0007 | - |
| 2.4297 | 1900 | 0.0011 | - |
| 2.4936 | 1950 | 0.0008 | - |
| 2.5575 | 2000 | 0.0015 | - |
| 2.6215 | 2050 | 0.0028 | - |
| 2.6854 | 2100 | 0.0032 | - |
| 2.7494 | 2150 | 0.0019 | - |
| 2.8133 | 2200 | 0.0017 | - |
| 2.8772 | 2250 | 0.0008 | - |
| 2.9412 | 2300 | 0.0019 | - |
| 3.0051 | 2350 | 0.0016 | - |
| 3.0691 | 2400 | 0.0018 | - |
| 3.1330 | 2450 | 0.0013 | - |
| 3.1969 | 2500 | 0.0007 | - |
| 3.2609 | 2550 | 0.0006 | - |
| 3.3248 | 2600 | 0.0009 | - |
| 3.3887 | 2650 | 0.0016 | - |
| 3.4527 | 2700 | 0.002 | - |
| 3.5166 | 2750 | 0.0032 | - |
| 3.5806 | 2800 | 0.0012 | - |
| 3.6445 | 2850 | 0.0012 | - |
| 3.7084 | 2900 | 0.0014 | - |
| 3.7724 | 2950 | 0.0011 | - |
| 3.8363 | 3000 | 0.0005 | - |
| 3.9003 | 3050 | 0.0007 | - |
| 3.9642 | 3100 | 0.0004 | - |
| 4.0281 | 3150 | 0.0003 | - |
| 4.0921 | 3200 | 0.0007 | - |
| 4.1560 | 3250 | 0.0005 | - |
| 4.2199 | 3300 | 0.0005 | - |
| 4.2839 | 3350 | 0.0006 | - |
| 4.3478 | 3400 | 0.0004 | - |
| 4.4118 | 3450 | 0.0004 | - |
| 4.4757 | 3500 | 0.0008 | - |
| 4.5396 | 3550 | 0.0006 | - |
| 4.6036 | 3600 | 0.0003 | - |
| 4.6675 | 3650 | 0.0007 | - |
| 4.7315 | 3700 | 0.0009 | - |
| 4.7954 | 3750 | 0.0005 | - |
| 4.8593 | 3800 | 0.0006 | - |
| 4.9233 | 3850 | 0.0007 | - |
| 4.9872 | 3900 | 0.0005 | - |
| 5.0512 | 3950 | 0.0006 | - |
| 5.1151 | 4000 | 0.0004 | - |
| 5.1790 | 4050 | 0.0005 | - |
| 5.2430 | 4100 | 0.0007 | - |
| 5.3069 | 4150 | 0.0004 | - |
| 5.3708 | 4200 | 0.0005 | - |
| 5.4348 | 4250 | 0.0004 | - |
| 5.4987 | 4300 | 0.0005 | - |
| 5.5627 | 4350 | 0.0007 | - |
| 5.6266 | 4400 | 0.0006 | - |
| 5.6905 | 4450 | 0.0006 | - |
| 5.7545 | 4500 | 0.0006 | - |
| 5.8184 | 4550 | 0.0005 | - |
| 5.8824 | 4600 | 0.0005 | - |
| 5.9463 | 4650 | 0.0008 | - |
| 6.0102 | 4700 | 0.0005 | - |
| 6.0742 | 4750 | 0.0006 | - |
| 6.1381 | 4800 | 0.0004 | - |
| 6.2020 | 4850 | 0.0005 | - |
| 6.2660 | 4900 | 0.0007 | - |
| 6.3299 | 4950 | 0.0007 | - |
| 6.3939 | 5000 | 0.0005 | - |
| 6.4578 | 5050 | 0.0005 | - |
| 6.5217 | 5100 | 0.0005 | - |
| 6.5857 | 5150 | 0.0007 | - |
| 6.6496 | 5200 | 0.0006 | - |
| 6.7136 | 5250 | 0.0004 | - |
| 6.7775 | 5300 | 0.0005 | - |
| 6.8414 | 5350 | 0.0004 | - |
| 6.9054 | 5400 | 0.0009 | - |
| 6.9693 | 5450 | 0.0009 | - |
| 7.0332 | 5500 | 0.0007 | - |
| 7.0972 | 5550 | 0.0009 | - |
| 7.1611 | 5600 | 0.0093 | - |
| 7.2251 | 5650 | 0.0075 | - |
| 7.2890 | 5700 | 0.0017 | - |
| 7.3529 | 5750 | 0.0012 | - |
| 7.4169 | 5800 | 0.001 | - |
| 7.4808 | 5850 | 0.0008 | - |
| 7.5448 | 5900 | 0.0005 | - |
| 7.6087 | 5950 | 0.0005 | - |
| 7.6726 | 6000 | 0.0006 | - |
| 7.7366 | 6050 | 0.0007 | - |
| 7.8005 | 6100 | 0.0006 | - |
| 7.8645 | 6150 | 0.0006 | - |
| 7.9284 | 6200 | 0.0004 | - |
| 7.9923 | 6250 | 0.0006 | - |
| 8.0563 | 6300 | 0.0004 | - |
| 8.1202 | 6350 | 0.0005 | - |
| 8.1841 | 6400 | 0.0005 | - |
| 8.2481 | 6450 | 0.0006 | - |
| 8.3120 | 6500 | 0.0005 | - |
| 8.3760 | 6550 | 0.0006 | - |
| 8.4399 | 6600 | 0.0004 | - |
| 8.5038 | 6650 | 0.0007 | - |
| 8.5678 | 6700 | 0.0006 | - |
| 8.6317 | 6750 | 0.0004 | - |
| 8.6957 | 6800 | 0.0005 | - |
| 8.7596 | 6850 | 0.0009 | - |
| 8.8235 | 6900 | 0.0006 | - |
| 8.8875 | 6950 | 0.0007 | - |
| 8.9514 | 7000 | 0.0007 | - |
| 9.0153 | 7050 | 0.0003 | - |
| 9.0793 | 7100 | 0.0006 | - |
| 9.1432 | 7150 | 0.0007 | - |
| 9.2072 | 7200 | 0.0008 | - |
| 9.2711 | 7250 | 0.0004 | - |
| 9.3350 | 7300 | 0.0006 | - |
| 9.3990 | 7350 | 0.0005 | - |
| 9.4629 | 7400 | 0.0006 | - |
| 9.5269 | 7450 | 0.0006 | - |
| 9.5908 | 7500 | 0.0005 | - |
| 9.6547 | 7550 | 0.0006 | - |
| 9.7187 | 7600 | 0.0005 | - |
| 9.7826 | 7650 | 0.0006 | - |
| 9.8465 | 7700 | 0.0006 | - |
| 9.9105 | 7750 | 0.0006 | - |
| 9.9744 | 7800 | 0.0007 | - |
| 10.0384 | 7850 | 0.0018 | - |
| 10.1023 | 7900 | 0.0045 | - |
| 10.1662 | 7950 | 0.0024 | - |
| 10.2302 | 8000 | 0.0013 | - |
| 10.2941 | 8050 | 0.001 | - |
| 10.3581 | 8100 | 0.0008 | - |
| 10.4220 | 8150 | 0.0005 | - |
| 10.4859 | 8200 | 0.0004 | - |
| 10.5499 | 8250 | 0.0004 | - |
| 10.6138 | 8300 | 0.0004 | - |
| 10.6777 | 8350 | 0.0006 | - |
| 10.7417 | 8400 | 0.0007 | - |
| 10.8056 | 8450 | 0.0007 | - |
| 10.8696 | 8500 | 0.0005 | - |
| 10.9335 | 8550 | 0.0005 | - |
| 10.9974 | 8600 | 0.0007 | - |
| 11.0614 | 8650 | 0.0006 | - |
| 11.1253 | 8700 | 0.0004 | - |
| 11.1893 | 8750 | 0.0006 | - |
| 11.2532 | 8800 | 0.0004 | - |
| 11.3171 | 8850 | 0.0004 | - |
| 11.3811 | 8900 | 0.0006 | - |
| 11.4450 | 8950 | 0.0006 | - |
| 11.5090 | 9000 | 0.0008 | - |
| 11.5729 | 9050 | 0.0005 | - |
| 11.6368 | 9100 | 0.0005 | - |
| 11.7008 | 9150 | 0.0005 | - |
| 11.7647 | 9200 | 0.0007 | - |
| 11.8286 | 9250 | 0.0007 | - |
| 11.8926 | 9300 | 0.0008 | - |
| 11.9565 | 9350 | 0.0007 | - |
| 12.0205 | 9400 | 0.0006 | - |
| 12.0844 | 9450 | 0.0009 | - |
| 12.1483 | 9500 | 0.0008 | - |
| 12.2123 | 9550 | 0.0005 | - |
| 12.2762 | 9600 | 0.0005 | - |
| 12.3402 | 9650 | 0.0004 | - |
| 12.4041 | 9700 | 0.0005 | - |
| 12.4680 | 9750 | 0.0003 | - |
| 12.5320 | 9800 | 0.0004 | - |
| 12.5959 | 9850 | 0.0006 | - |
| 12.6598 | 9900 | 0.0007 | - |
| 12.7238 | 9950 | 0.0006 | - |
| 12.7877 | 10000 | 0.0006 | - |
| 12.8517 | 10050 | 0.0005 | - |
| 12.9156 | 10100 | 0.0009 | - |
| 12.9795 | 10150 | 0.0004 | - |
| 13.0435 | 10200 | 0.0003 | - |
| 13.1074 | 10250 | 0.0007 | - |
| 13.1714 | 10300 | 0.0005 | - |
| 13.2353 | 10350 | 0.001 | - |
| 13.2992 | 10400 | 0.001 | - |
| 13.3632 | 10450 | 0.0006 | - |
| 13.4271 | 10500 | 0.0006 | - |
| 13.4910 | 10550 | 0.0007 | - |
| 13.5550 | 10600 | 0.0005 | - |
| 13.6189 | 10650 | 0.0004 | - |
| 13.6829 | 10700 | 0.0006 | - |
| 13.7468 | 10750 | 0.0005 | - |
| 13.8107 | 10800 | 0.0006 | - |
| 13.8747 | 10850 | 0.0005 | - |
| 13.9386 | 10900 | 0.0007 | - |
| 14.0026 | 10950 | 0.0005 | - |
| 14.0665 | 11000 | 0.0004 | - |
| 14.1304 | 11050 | 0.0005 | - |
| 14.1944 | 11100 | 0.0006 | - |
| 14.2583 | 11150 | 0.0004 | - |
| 14.3223 | 11200 | 0.0006 | - |
| 14.3862 | 11250 | 0.0006 | - |
| 14.4501 | 11300 | 0.0005 | - |
| 14.5141 | 11350 | 0.0008 | - |
| 14.5780 | 11400 | 0.0007 | - |
| 14.6419 | 11450 | 0.0005 | - |
| 14.7059 | 11500 | 0.0005 | - |
| 14.7698 | 11550 | 0.0007 | - |
| 14.8338 | 11600 | 0.0004 | - |
| 14.8977 | 11650 | 0.0005 | - |
| 14.9616 | 11700 | 0.0007 | - |
| 15.0256 | 11750 | 0.0007 | - |
| 15.0895 | 11800 | 0.0006 | - |
| 15.1535 | 11850 | 0.0005 | - |
| 15.2174 | 11900 | 0.0002 | - |
| 15.2813 | 11950 | 0.0006 | - |
| 15.3453 | 12000 | 0.0006 | - |
| 15.4092 | 12050 | 0.0004 | - |
| 15.4731 | 12100 | 0.0005 | - |
| 15.5371 | 12150 | 0.0038 | - |
| 15.6010 | 12200 | 0.0088 | - |
| 15.6650 | 12250 | 0.001 | - |
| 15.7289 | 12300 | 0.0005 | - |
| 15.7928 | 12350 | 0.0007 | - |
| 15.8568 | 12400 | 0.0005 | - |
| 15.9207 | 12450 | 0.0005 | - |
| 15.9847 | 12500 | 0.0006 | - |
| 16.0486 | 12550 | 0.0012 | - |
| 16.1125 | 12600 | 0.0009 | - |
| 16.1765 | 12650 | 0.0029 | - |
| 16.2404 | 12700 | 0.0006 | - |
| 16.3043 | 12750 | 0.0007 | - |
| 16.3683 | 12800 | 0.0006 | - |
| 16.4322 | 12850 | 0.0007 | - |
| 16.4962 | 12900 | 0.0006 | - |
| 16.5601 | 12950 | 0.0006 | - |
| 16.6240 | 13000 | 0.0006 | - |
| 16.6880 | 13050 | 0.0007 | - |
| 16.7519 | 13100 | 0.0004 | - |
| 16.8159 | 13150 | 0.0004 | - |
| 16.8798 | 13200 | 0.0004 | - |
| 16.9437 | 13250 | 0.0007 | - |
| 17.0077 | 13300 | 0.0004 | - |
| 17.0716 | 13350 | 0.0004 | - |
| 17.1355 | 13400 | 0.0005 | - |
| 17.1995 | 13450 | 0.0005 | - |
| 17.2634 | 13500 | 0.0007 | - |
| 17.3274 | 13550 | 0.0004 | - |
| 17.3913 | 13600 | 0.0008 | - |
| 17.4552 | 13650 | 0.0004 | - |
| 17.5192 | 13700 | 0.0009 | - |
| 17.5831 | 13750 | 0.0003 | - |
| 17.6471 | 13800 | 0.0005 | - |
| 17.7110 | 13850 | 0.0007 | - |
| 17.7749 | 13900 | 0.0007 | - |
| 17.8389 | 13950 | 0.0007 | - |
| 17.9028 | 14000 | 0.0003 | - |
| 17.9668 | 14050 | 0.0006 | - |
| 18.0307 | 14100 | 0.0005 | - |
| 18.0946 | 14150 | 0.0006 | - |
| 18.1586 | 14200 | 0.0005 | - |
| 18.2225 | 14250 | 0.0004 | - |
| 18.2864 | 14300 | 0.0005 | - |
| 18.3504 | 14350 | 0.0006 | - |
| 18.4143 | 14400 | 0.0006 | - |
| 18.4783 | 14450 | 0.0006 | - |
| 18.5422 | 14500 | 0.0006 | - |
| 18.6061 | 14550 | 0.0005 | - |
| 18.6701 | 14600 | 0.0005 | - |
| 18.7340 | 14650 | 0.0004 | - |
| 18.7980 | 14700 | 0.0006 | - |
| 18.8619 | 14750 | 0.0005 | - |
| 18.9258 | 14800 | 0.0007 | - |
| 18.9898 | 14850 | 0.0005 | - |
| 19.0537 | 14900 | 0.0003 | - |
| 19.1176 | 14950 | 0.0002 | - |
| 19.1816 | 15000 | 0.0005 | - |
| 19.2455 | 15050 | 0.0005 | - |
| 19.3095 | 15100 | 0.0005 | - |
| 19.3734 | 15150 | 0.0004 | - |
| 19.4373 | 15200 | 0.0007 | - |
| 19.5013 | 15250 | 0.0006 | - |
| 19.5652 | 15300 | 0.0005 | - |
| 19.6292 | 15350 | 0.0005 | - |
| 19.6931 | 15400 | 0.0004 | - |
| 19.7570 | 15450 | 0.0006 | - |
| 19.8210 | 15500 | 0.0005 | - |
| 19.8849 | 15550 | 0.001 | - |
| 19.9488 | 15600 | 0.002 | - |
| 20.0128 | 15650 | 0.0016 | - |
| 20.0767 | 15700 | 0.0011 | - |
| 20.1407 | 15750 | 0.0005 | - |
| 20.2046 | 15800 | 0.0007 | - |
| 20.2685 | 15850 | 0.0009 | - |
| 20.3325 | 15900 | 0.0004 | - |
| 20.3964 | 15950 | 0.0004 | - |
| 20.4604 | 16000 | 0.0005 | - |
| 20.5243 | 16050 | 0.0004 | - |
| 20.5882 | 16100 | 0.0007 | - |
| 20.6522 | 16150 | 0.0006 | - |
| 20.7161 | 16200 | 0.0006 | - |
| 20.7801 | 16250 | 0.0004 | - |
| 20.8440 | 16300 | 0.0004 | - |
| 20.9079 | 16350 | 0.0007 | - |
| 20.9719 | 16400 | 0.0006 | - |
| 21.0358 | 16450 | 0.0005 | - |
| 21.0997 | 16500 | 0.0006 | - |
| 21.1637 | 16550 | 0.0007 | - |
| 21.2276 | 16600 | 0.0004 | - |
| 21.2916 | 16650 | 0.0003 | - |
| 21.3555 | 16700 | 0.0003 | - |
| 21.4194 | 16750 | 0.0005 | - |
| 21.4834 | 16800 | 0.0006 | - |
| 21.5473 | 16850 | 0.0007 | - |
| 21.6113 | 16900 | 0.0006 | - |
| 21.6752 | 16950 | 0.0003 | - |
| 21.7391 | 17000 | 0.0007 | - |
| 21.8031 | 17050 | 0.0003 | - |
| 21.8670 | 17100 | 0.0006 | - |
| 21.9309 | 17150 | 0.0007 | - |
| 21.9949 | 17200 | 0.0007 | - |
| 22.0588 | 17250 | 0.0008 | - |
| 22.1228 | 17300 | 0.0007 | - |
| 22.1867 | 17350 | 0.0007 | - |
| 22.2506 | 17400 | 0.0004 | - |
| 22.3146 | 17450 | 0.0004 | - |
| 22.3785 | 17500 | 0.0003 | - |
| 22.4425 | 17550 | 0.0006 | - |
| 22.5064 | 17600 | 0.0007 | - |
| 22.5703 | 17650 | 0.0006 | - |
| 22.6343 | 17700 | 0.0004 | - |
| 22.6982 | 17750 | 0.0006 | - |
| 22.7621 | 17800 | 0.0006 | - |
| 22.8261 | 17850 | 0.0006 | - |
| 22.8900 | 17900 | 0.0004 | - |
| 22.9540 | 17950 | 0.0006 | - |
| 23.0179 | 18000 | 0.0005 | - |
| 23.0818 | 18050 | 0.0003 | - |
| 23.1458 | 18100 | 0.0006 | - |
| 23.2097 | 18150 | 0.0006 | - |
| 23.2737 | 18200 | 0.0006 | - |
| 23.3376 | 18250 | 0.0007 | - |
| 23.4015 | 18300 | 0.0005 | - |
| 23.4655 | 18350 | 0.0005 | - |
| 23.5294 | 18400 | 0.0008 | - |
| 23.5934 | 18450 | 0.0004 | - |
| 23.6573 | 18500 | 0.0006 | - |
| 23.7212 | 18550 | 0.0004 | - |
| 23.7852 | 18600 | 0.0006 | - |
| 23.8491 | 18650 | 0.0007 | - |
| 23.9130 | 18700 | 0.0006 | - |
| 23.9770 | 18750 | 0.0006 | - |
| 24.0409 | 18800 | 0.0005 | - |
| 24.1049 | 18850 | 0.0002 | - |
| 24.1688 | 18900 | 0.0006 | - |
| 24.2327 | 18950 | 0.0005 | - |
| 24.2967 | 19000 | 0.0004 | - |
| 24.3606 | 19050 | 0.0006 | - |
| 24.4246 | 19100 | 0.0006 | - |
| 24.4885 | 19150 | 0.0007 | - |
| 24.5524 | 19200 | 0.0007 | - |
| 24.6164 | 19250 | 0.0005 | - |
| 24.6803 | 19300 | 0.0004 | - |
| 24.7442 | 19350 | 0.0006 | - |
| 24.8082 | 19400 | 0.0005 | - |
| 24.8721 | 19450 | 0.0007 | - |
| 24.9361 | 19500 | 0.0007 | - |
| 25.0 | 19550 | 0.0006 | - |
| 25.0639 | 19600 | 0.0005 | - |
| 25.1279 | 19650 | 0.0007 | - |
| 25.1918 | 19700 | 0.0006 | - |
| 25.2558 | 19750 | 0.0005 | - |
| 25.3197 | 19800 | 0.0005 | - |
| 25.3836 | 19850 | 0.0006 | - |
| 25.4476 | 19900 | 0.0008 | - |
| 25.5115 | 19950 | 0.0006 | - |
| 25.5754 | 20000 | 0.0003 | - |
| 25.6394 | 20050 | 0.0007 | - |
| 25.7033 | 20100 | 0.0006 | - |
| 25.7673 | 20150 | 0.0004 | - |
| 25.8312 | 20200 | 0.0005 | - |
| 25.8951 | 20250 | 0.0007 | - |
| 25.9591 | 20300 | 0.0004 | - |
| 26.0230 | 20350 | 0.0006 | - |
| 26.0870 | 20400 | 0.0007 | - |
| 26.1509 | 20450 | 0.0004 | - |
| 26.2148 | 20500 | 0.0006 | - |
| 26.2788 | 20550 | 0.0006 | - |
| 26.3427 | 20600 | 0.0004 | - |
| 26.4066 | 20650 | 0.0006 | - |
| 26.4706 | 20700 | 0.0006 | - |
| 26.5345 | 20750 | 0.0005 | - |
| 26.5985 | 20800 | 0.0008 | - |
| 26.6624 | 20850 | 0.0005 | - |
| 26.7263 | 20900 | 0.0008 | - |
| 26.7903 | 20950 | 0.0003 | - |
| 26.8542 | 21000 | 0.0006 | - |
| 26.9182 | 21050 | 0.0004 | - |
| 26.9821 | 21100 | 0.0003 | - |
| 27.0460 | 21150 | 0.0005 | - |
| 27.1100 | 21200 | 0.0007 | - |
| 27.1739 | 21250 | 0.0007 | - |
| 27.2379 | 21300 | 0.0003 | - |
| 27.3018 | 21350 | 0.0005 | - |
| 27.3657 | 21400 | 0.0007 | - |
| 27.4297 | 21450 | 0.0006 | - |
| 27.4936 | 21500 | 0.0005 | - |
| 27.5575 | 21550 | 0.0004 | - |
| 27.6215 | 21600 | 0.0008 | - |
| 27.6854 | 21650 | 0.0005 | - |
| 27.7494 | 21700 | 0.0006 | - |
| 27.8133 | 21750 | 0.0004 | - |
| 27.8772 | 21800 | 0.0004 | - |
| 27.9412 | 21850 | 0.0005 | - |
| 28.0051 | 21900 | 0.0007 | - |
| 28.0691 | 21950 | 0.0006 | - |
| 28.1330 | 22000 | 0.0008 | - |
| 28.1969 | 22050 | 0.0008 | - |
| 28.2609 | 22100 | 0.0003 | - |
| 28.3248 | 22150 | 0.0005 | - |
| 28.3887 | 22200 | 0.0005 | - |
| 28.4527 | 22250 | 0.0005 | - |
| 28.5166 | 22300 | 0.0009 | - |
| 28.5806 | 22350 | 0.0004 | - |
| 28.6445 | 22400 | 0.0007 | - |
| 28.7084 | 22450 | 0.0004 | - |
| 28.7724 | 22500 | 0.0004 | - |
| 28.8363 | 22550 | 0.0004 | - |
| 28.9003 | 22600 | 0.0003 | - |
| 28.9642 | 22650 | 0.0005 | - |
| 29.0281 | 22700 | 0.0007 | - |
| 29.0921 | 22750 | 0.0005 | - |
| 29.1560 | 22800 | 0.0004 | - |
| 29.2199 | 22850 | 0.0005 | - |
| 29.2839 | 22900 | 0.0007 | - |
| 29.3478 | 22950 | 0.0005 | - |
| 29.4118 | 23000 | 0.0004 | - |
| 29.4757 | 23050 | 0.0006 | - |
| 29.5396 | 23100 | 0.0004 | - |
| 29.6036 | 23150 | 0.0006 | - |
| 29.6675 | 23200 | 0.0005 | - |
| 29.7315 | 23250 | 0.0005 | - |
| 29.7954 | 23300 | 0.0007 | - |
| 29.8593 | 23350 | 0.0006 | - |
| 29.9233 | 23400 | 0.0006 | - |
| 29.9872 | 23450 | 0.0006 | - |
### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0
- Sentence Transformers: 3.3.1
- Transformers: 4.44.2
- PyTorch: 2.2.0a0+81ea7a4
- Datasets: 3.2.0
- Tokenizers: 0.19.1
## Citation
### BibTeX
```bibtex
@article{https://doi.org/10.48550/arxiv.2209.11055,
doi = {10.48550/ARXIV.2209.11055},
url = {https://arxiv.org/abs/2209.11055},
author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {Efficient Few-Shot Learning Without Prompts},
publisher = {arXiv},
year = {2022},
copyright = {Creative Commons Attribution 4.0 International}
}
```